AIリップシンク：写真に言葉や歌を合わせる
AIリップシンク動画生成ツールで、人物写真を自分の声や歌に合わせて動かせます。音声の4〜15秒を試聴して選び、768Pまたは2Kと画面比率を設定したら、完成した動画を確認してMP4で保存できます。生成にはログインと20クレジット以上の利用可能残高が必要で、特典やチェックインの付与分も使えます。
人物写真
顔がはっきり写った写真1枚 · JPG、PNG、WebP · 30 MBまで · 256 × 256以上
声または歌
声や歌がはっきり聞こえる4〜15秒を選んでください。
読み込み中…
話す人物、ポッドキャスト、授業、歌唱など、さまざまな場面の動画をご覧ください。
ポッドキャスト司会
授業の解説
歌唱パフォーマンス
AIリップシンクの使い方：口元が見える写真と短い声から
01
先に一言か、一つの歌のフレーズを選ぶ
自己紹介、短いお祝い、サビの一節では、写真に合う表情も違います。まず録音を聴いて、見せたい内容を決めましょう。話す写真なら一文の意味が最後まで伝わる範囲、歌わせるなら主旋律の声を追いやすい部分が出発点になります。長い前奏や楽器だけの場面は口の動きを評価しにくいため、最初の比較には向きません。台詞や曲をこの画面で作るのではなく、あなたが用意した音声を使います。
話す写真なら自己紹介、短い挨拶や説明から、歌う写真なら自分の曲の分かりやすい一節から始められます。声の雰囲気に合う表情の写真を選び、まず一つのまとまったフレーズで試してみましょう。完成したMP4には選択した音声が使われるので、準備中もその音を聞きながら演技の方向を考えられます。
02
口と顔の輪郭が分かる写真を用意する
一人の顔がはっきり写り、唇が隠れていない写真を選びます。正面や軽く斜めを向いた顔なら、生成後の口元を確認しやすくなります。髪、手、マイクが重なっていたり、顔が小さすぎたりすると、変化を見分けるのが難しくなります。明るさだけでなく上下の唇の輪郭も見てください。出力画質を上げれば元写真のぼけが直るとは限りません。複数人の写真なら、演技させたい一人に焦点を合わせた素材を先に準備しましょう。
対応画像はJPG、PNG、WebPで、アップロードは30 MBまでです。現在は縦横とも256ピクセル以上、総画素数3,200万以下である必要があります。利用できるキャラクター画像も選べますが、保存した素材へのアクセスはアカウントの権限に従います。顔の周囲に余裕を残すと、縦長と横長を選ぶときに構図を考えやすくなります。写真は指定した枠に収めるため、比率によって余白が出る場合があります。背景を自動で描き足す設定ではありません。
03
声が聞き取れる録音を試聴する
MP3、WAV、M4A、AAC、OGG、FLACをアップロードでき、上限は30 MBです。自分のクラウド音楽から選ぶこともできます。拡張子だけでなく実際に読み込める音声であることが必要です。選択したらクリップ編集画面で再生し、同名の別テイクではないか確かめましょう。ブラウザーで特定の形式を再生できないときは、先に試聴できるファイルを用意すると範囲を判断できます。環境音が大きい録音より、声の輪郭が明瞭な素材のほうが比較しやすくなります。
主な歌声が聞き取りやすい箇所を選びます。伴奏が言葉を隠している場合は、このサイトのボーカル分離ツールで声を取り出してから、そのファイルを読み込んでください。最初の子音、語尾、自然な息継ぎを残し、整えた音声を試聴してから動きの指示を決めましょう。
ボーカル分離ツールで声を取り出す04
4〜15秒を、始まりから終わりまで確認する
一回の生成は4〜15秒の整数の長さです。開始位置には小数秒を使えるので、波形を見ながら最初の言葉の少し手前に合わせられます。開始だけでなく最後まで再生し、語尾や歌の長い音が途中で切れないか確認してください。長い録音を読み込み、その一部を使うことはできますが、一曲全体を一回で動画にする機能ではありません。選択範囲が音声の終端を越えたら、開始位置か長さを調整します。
選んだ範囲が送信する音と完成動画の音声を決めます。試聴用と料金計算用で違う一節を選ぶ仕組みではありません。最初は一文で完結する範囲にすると、何をチェックしたいか明確になります。写真を比較するときは同じ言葉を保ち、動作の説明を変えるときも音源を固定してみましょう。開始位置と長さを記録しておくと、後から別のフレーズと取り違えずに、変更が役立ったか判断できます。
05
使う場所に合わせて画質と画面比率を選ぶ
画質は768Pと2K、画面比率は9:16、16:9、1:1、4:3、3:4から選べます。初期設定は768Pと縦長の9:16です。人物を中心に見せる縦型、周囲も入る横型など、使う場所に合った構図を選びます。写真のプレビューと見積もりを確認してから送信してください。
生成一回につき20クレジットで、768Pと2K、対応する4〜15秒の長さで料金は変わりません。画質と秒数は動画の設定を決めるもので、料金はリクエスト単位です。画面では利用可能残高を先に確認し、不足するとすぐに案内します。アップロード前に残高を更新し、サーバーも引き落とし時に再確認します。同じ音声で写真や動きの指示を比較すれば、結果の違いが分かりやすく、残りのクレジットで何回試すかも計画できます。
06
演技の希望を短く書き、音付きで仕上がりを見る
任意の動きの指示は1,200文字まで入力できます。落ち着いた表情、軽い頭の動き、固定カメラなど、優先したい点を少数に絞りましょう。静かな話し声と力強いサビでは合う表現が変わります。同じ音声で比較すると、写真や指示の違いを判断しやすくなります。
完成した動画は音を出して見ます。最初の言葉、速い子音、伸ばす母音、フレーズの終わりを確認し、目や歯、顔の輪郭にも目を向けてください。次の試行では写真、音声範囲、指示のうち一つを変えて比較できます。全体を見終えてからMP4を保存しましょう。
07
利用条件と素材の許可を確認して保存する
ログイン後、利用可能残高が20クレジット以上あれば生成できます。登録特典、チェックイン、契約や購入で得たクレジットはすべて使え、管理者も一回20クレジットを使います。先に写真を準備して音声を試聴し、画質と範囲を確認してください。完成したMP4を元の素材と一緒に保存しましょう。明確な拒否や生成失敗ではクレジットが戻り、同じリクエストで二重に引かれません。
自分が権利を持つ、または公開の許可を得た写真と音声を使ってください。実在する人物には予定する演技の許可を、楽曲には用途に応じた利用許可を確認します。素材と許可の記録を動画と一緒に残し、公開先の生成コンテンツ表示の方針に従いましょう。
写真を話したり歌ったりさせるときの疑問
写真を話したり歌ったりさせるには？
人物写真か利用できるキャラクターを選び、音声の4〜15秒を試聴します。画質、比率、任意の演技説明を設定し、利用資格と見積もりを確認してログイン後に生成します。
画像と音声はどの形式に対応していますか？
画像はJPG、PNG、WebP、音声はMP3、WAV、M4A、AAC、OGG、FLACです。各アップロードは30 MBまでで、内容の検証も必要です。音声を試聴してから送信してください。
一曲から一部分だけ使えますか？
上限内で読み込めるファイルなら、4〜15秒の範囲を選べます。語頭と語尾を試聴してください。一回で曲全体の動画を作ることはできません。
画質と比率はどう選びますか？
768Pか2Kと五つの比率から用途に合うものを選びます。人物の構図と新しい見積もりを見てください。高画質でもリップシンクの精度が上がる保証はありません。
ログインとクレジットは必要ですか？
ログインして20クレジット以上の利用可能残高があれば生成できます。768Pと2K、対応する長さにかかわらず一回20クレジットで、特典やチェックインの付与分も使えます。管理者も同じ料金です。失敗が確定した場合はクレジットが戻ります。
口の動きが合わないときは？
声の明瞭さ、範囲の始まりと終わり、唇の見える写真かを確認します。演技の指示を簡単にして、一つずつ変更を比べてください。すべての音節の完全な一致は保証されません。